身上的痣到底是“好痣”Or“壞痣”？新研究告訴你

　　即使是腫瘤科的大師級專家也可能會被黑色素瘤無情地愚弄。由于患有這類皮膚癌的人皮膚上通常會出現形狀和顏色并不規則的痣，由于從外觀上很難區分這些痣的陰性或者陽性，所以臨床上的早期黑色素瘤通常更為難以診斷。

　　近期，美國洛克菲勒大學的研究人員開發了一種自動化診斷技術，通過將成像系統與數字分析系統結合于機器學習技術，這項最新的自動化診斷技術可以幫助醫生更為精準地進行早期黑素瘤診斷。

　　“皮膚領域亟需一套成熟的醫學生物學標準來對不同程度的黑素瘤進行評估，”洛克菲勒大學Martin Carter臨床調查和皮膚病實驗室主任James Carl教授說， “雖然通過篩查檢測可以有效地挽救黑色素瘤患者的生命，但這一過程卻在視覺上具有極高的挑戰性，即使當可疑病變組織得到了提取和活檢，也只有約10％的病例能被證實患有惡性的黑素瘤。

　　在新的技術體系中，計算機會提取患者皮膚斑塊中存在的顏色數量信息，通過一系列計算機程序和其他定量數據處理生成病變圖像，分析產生受試者黑色素瘤發病總體風險評分（Q評分），指示其皮膚斑塊是癌癥的可能性。

　　該研究對應的論文發表在近期上線的實驗皮膚病學（Experimental Dermatology）雜志上，研究人員通過大量實驗證實Q評分的敏感性高達98%，這意味著這種診斷體系很可能正確地識別皮膚上的早期黑素瘤。相關診斷測試對正常痣的診斷能力為36％，接近由皮膚科專家在顯微鏡下進行可疑痣視覺檢查所達到的水平。

　　基于機器學習，研究人員通過使用60張黑素瘤照片和等量正常痣的照片教會圖像處理程序從眾多健康痣中尋找已經惡化的黑色素瘤。同時，研究人員開發了幾種與成像相關的生物標志物用于人類皮膚斑塊視覺特征的精確量化。結合機器計算方法，他們開發了一組組合性定量指標，在兩組圖像之間基于病變的視覺特征給予每個生物標志物惡性評級。

　　通過組合來自每個生物標志物的數據，研究人員可以算出不同皮膚黑色斑塊的總Q分數，（0-1）其中較高的數字表示病變是癌癥的概率較高。

　　“我們認為這種技術可以幫助醫生進行更為精準的早期黑色素瘤診斷，從而挽救更多的生命，避免不必要的組織活檢。”研究人員表示， “在接下來的研究中，我們會基于更大的樣本量來評估這種方法，進一步探究如何利用不可見光進行疾病的診斷。”